大数据在护理学科中的研究进展

朱瑞芳,岳小丁，韩世范



大数据在护理学科中的研究进展

朱瑞芳,岳小丁，韩世范

从大数据的基本概念、国内外研究现状分析并探讨大数据背景下构建护理领域知识体系对护理学科发展的重要性，认为在大数据背景下有必要成立护理大数据中心，统一语言标准，建立护理数据库，构建知识体系结构。

护理;护理学科;大数据;知识体系;进展

我们生活在社会中，就不得不同数据打交道。我们也是数据的一部分，不论我们想不想与大数据牵扯到一起，数据都会找到我们，覆盖我们。如果没有数据，许多现代经济活动根本就不能进行，创新就不会产生，经济也不会增长。近些年的科技进步彻底改变了我们收集、存储和管理信息的方式。世界的数字化极大地增加了我们收集数据的数量。大数据技术能够被用来提取、管理、分析和解释大量的数据集，并且将他们转变为能够转化为实践的有意义的假说。随着信息化进程的不断加快，医疗卫生领域也已逐渐进入大数据时代，大规模、多渠道、形式多样的数据可以为护理工作提供新方法和思路，在护理评估、护理实践水平改进、疾病监测、护理科研和临床决策支持等方面都存在应用价值。那么如何从海量数据中发现知识，寻找隐藏在大数据中的模式、趋势和相关性，揭示社会现象与社会发展规律，以及可能的商业应用前景，都需要我们拥有更好的大数据研究中心。可见，在大数据时代到来的今天，护理领域开展大数据研究已成为护理学科发展的重要趋势。

1 基本概念

1.1 大数据 大数据的概念可以追溯到20世纪70 年代。2009 年开始，大数据成为互联网信息技术行业的流行词汇。2010年，维克托·迈尔·舍恩伯格和肯尼斯·库克耶在编写《大数据时代》中提出[1]：大数据是指不用随机分析法，而是采用对所有数据进行的分析处理。麦肯锡全球研究所(MGI)定义[2]大数据是传统数据库无法获取、储存、管理和分析的大规模数据集合。大数据是从不同的来源收集起来的大量的数据资料，并且对其进行分析。这些数据经常会被形容为5“Vs”：容量(Volume)，速度(Velocity)，多样(Variety)，真实(Veracity)和价值(Value)。容量指的是数据的庞大。比如，国际商用机器公司(IBM)估算，每天有2.5倍百万的5次幂字节的数据产生(1个百万的5次幂是1后面有18个0)。大数据的速度指的是产生的速度，但多样性指的是有多种类型的数据或资源。真实性指的是为了一个目的而收集的数据，可能对于二次使用会有缺失的数据或者数据质量的问题。比如在护理领域，病人数据最初记录或者获取是为了提供病人照护，其次使用是为了其他的用途，比如测定一组病人的护理质量。最后，价值指的是从大数据中得出的新的见解[3]。大数据是一次思维上的变革，主要包括：要全体数据不要抽样，要效率不要绝对精确，要相关不要因果[1]。大数据的本质是思维、商业和管理领域前所未有的大变革。大数据的核心价值就在于对海量数据的存储和分析。大数据的战略意义在于对数据的专业化处理，通过提高数据的加工处理能力，实现数据增值的目的。与传统数据库相比，大数据具有以下优势：能够存储海量数据信息；快速实现数据交流与共享；多样化的数据种类；低密度的价值等。

1.2 大数据中心 大数据中心是指在一个物理空间内实现信息的集中处理、存储、传输、交换和管理，而计算机设备、服务器设备、网络设备、存储设备等通常被认为是数据中心核心机房的关键设备。

1.3 护理大数据 2011年护理学被列入国家一级学科，它是一门以多学科理论为基础，研究维护、促进、恢复人类身心健康的护理理论、知识、技术及其发展规律的应用科学。它是一门实践性科学，作为一门独立学科在医学领域中发挥着举足轻重的作用。大数据与海量信息的时代，人们越来越关注如何把信息技术运用到工作、生活中，海量数据与非结构化数据在医院中也有比较广泛的应用，最直观的变化应该体现在医院的护理服务中。

护理大数据泛指所有与护理和生命健康相关的极大量数据，包括医院护理大数据、区域卫生服务平台大数据、基于大量人群的护理研究或疾病监测大数据等。比起现有的其他技术而言，大数据的廉价、迅速、优化3方面的综合成本是最优的。大数据将在洞察数据价值、预防疾病蔓延、杜绝医疗浪费、避免高昂医疗费用产生等方面发挥巨大作用，成为使医疗护理更高效的“超能力”。Brennan和Bakken主张：护理需要大数据，大数据需要护理。护理的传统调查是基于电子健康档案、索赔数据和公共卫生数据表来理解大数据的。护理数据库是护理诊断、护理干预和护理结局，是通过一个普遍的护理分类法从大量的电子病历中提取出来的[4]。

1.4 护理大数据中心 护理大数据中心是集护理学与信息学、分析学于一体，用于识别、定义、管理和交流数据、信息、知识和智慧的护理数据中心，是以大数据挖掘与推理研究为核心的产、学、研一体化的护理研究中心。它是提升我们解读大数据能力的重要保证。面对同样的数据，收集的方式相同，但处理的方式不同，所用思路不同、决策的方式不同或观点不同，其数据处理结果大大不同[5]。因此，形成系统的解读数据的能力和观点是大数据中心的核心。

2 国内外研究现状

2.1 国外研究现状 伴随着互联网技术和计算机技术迅猛发展，大数据产业逐渐在全球兴起。美国、英国、日本和韩国等多个国家先后制定了国家大数据战略。美国甚至提出大数据的战略地位堪比工业时代的石油。20世纪70年代，美、日等国就已开发了信息系统，并成功应用于医疗护理行业。90年代，美国护士协会和国家护理联盟把已出版的英文护理学期刊内容做成了CINAHL数据库。2009 年美国国会颁布HITECH(Health Information Technology for Economic and Clinical Health)法案[6]以来，医疗卫生领域大数据逐渐向人们展示其魅力。截至 2014 年 2 月，美国国立卫生研究院在亚马逊网络服务中心已经积累了数以百万亿字节的人类遗传变异数据，研究人员因此能获得和分析巨量数据[7]。美国明尼苏达大学护理学院和它的护理情报中心在2013年和2014年召集了一组专家来参与大数据和转变医疗卫生共识的科学会议，会议的目标是为了可共享的和可比较的护理数据创建一个国家行为计划。2015年6月在美国明尼阿波利斯举办的护理知识大会上宣布：这个专家组接下来的工作是代表信息学组织、专业护理组织、电子病历软件开发商、联邦政府和医疗卫生提供者，标准化护理术语、普通的数据模型和电子病历的信息结构是将护理数据整合成用于大数据和大数据科学的临床数据库的基础。2015 年7 月，美国卫生研究院(NIH)下设的护理研究所(National Institute of Nursing Research,NINR)召开护理学大数据会议，试图推进护理学大数据的发展[8]。美国的护理数据库包括了护理质量指标国家数据库(NDNQI)、护理相关结局数据和护理管理最小数据集(NMMDS)等护理数据库。2011年，韩国生物信息中心计划开发国家 DNA 管理系统，该系统将集成大量的 DNA 和病人医疗信息，为个人提供个性定制化的诊断和治疗[9]。目前应用较好的护理学数据库是Elsevier旗下的ClinicalKey for Nursing数据库，但比较遗憾的是此数据库并没有汉化版本。

2.2 国内研究现状 与国外相比，国内在20世纪90年代才开始信息化建设，我国护理学乃至医疗卫生领域大数据起步较晚，发展滞后。在传统的医疗卫生研究中，计数资料和计量资料是最常见的数据形式，作为数值型的结构化数据，他们可以通过一般的数据分析技术或工具进行数据处理。而在大数据背景下，越来越多的非结构化数据涌现，如文本、图像、视频、电子邮件、开放式问答等资料，对这些大规模、多渠道、形式多样的数据进行理解和探究，以获取有价值的信息，是大数据研究的主要内容和必然趋势。目前，我国县及县以上医院基本建立了医院信息系统，20% 的县及县以上医院建立起以病人为中心、以电子病历为基础的挂号、收费、处方、治疗一体化的管理信息系统。北京、上海、安徽等 12 个省也已建立电子健康档案资源库。医疗卫生“大数据”的数据资源包括：医疗服务的电子健康记录数据，医院与医保的结算与费用数据，医学研究的学术、社会、政府数据，医疗厂商的医药、医疗器械、临床实验数据，居民的行为与健康管理数据，政府的人口与公共卫生数据，连同我国公共社会经济生活中网络产生的数据，这些构成了医疗卫生领域大数据的初期数据资源[10]。

关于大数据的研究，中国大数据学院成立于2014年，大数据学院和大数据国际论坛均由国际知名培训机构沃赛思公司牵头建立。中国教育大数据研究院成立于2015年，是由中国统计信息服务中心、曲阜师范大学共建。后来出现了中国大数据网站，网址http://www.thebigdata.cn/。中国电子科技大学(四川成都)于2014年成立大数据研究中心，网址http//www.bigdata-research.org/about/。贵州医科大学于2017年开办一个新的专业——医学信息工程，专门来做健康大数据的分析。中卫护理信息管理研究院(简称“中卫护研院”，网址http://www.zwini.org/nurseinfo-web/page/toIndex )成立于2015年，是一个理事会管理下非营利性的研究机构，专注于研究护理专业和护理管理的前沿问题，积极借助数字化和智能化力量改善护理管理的效能，帮助护理行业解决临床服务和管理的实际问题。总之，随着医药健康信息学的发展，护理学大数据也越来越受到人们的重视。第五届中国国际护理信息学大会将与2017年8月21日—25日在中国杭州召开，会议的主题为“信息学促进精准护理——信息助力，护理展翼”。

2.3 政策依据 2013年5月，我国加入“国际护士会(ICN)”，护理事业迈向国际舞台，护理专业发展的同时也对护理信息的发展提出了新的挑战。2014年6月，国际护理学会大数据与转化医学会议指出：未来的护理工作主要集中在大数据背景下转变护理实践、研究和教育，并注重开发和培养如何获取和集成数据信息的能力。2015年7月，国务院发布《关于积极推进“互联网+”行动的指导意见》，并提出重塑医疗健康服务模式需要护理人员把握机遇，迎接挑战，在“互联网+”健康或者“互联网+”护理领域中成为设计者和主导者。2016年11月18日，国家卫生计生委制定、印发了《全国护理事业发展规划(2016年—2020年)》，指出信息化技术的快速发展为护理事业发展创造了有利条件。2016年11月29日山西省人民政府办公厅成立了大数据发展领导小组。2017年3月13日山西省人民政府印发了山西省大数据发展规划(2017年—2020年)指出要开展健康医疗大数据示范应用，并努力实现基于大数据分析推动医疗行业治理及临床医学科研发展。

综上所述，护理学领域的大数据研究与应用仍处于较滞后状态，护士参与大数据研究更多地停留在将资料录入电子健康档案(electronic health records,EHR)的阶段[5]。目前国家及各级政府也非常重视大数据的应用与发展。所以，护理研究者有必要参与到大数据信息平台的构建中，在跨机构的多重信息平台中融入护理学元素。

3 目前存在的问题

尽管大数据被认为是有益的和令人满意的，可能会促进创新和新思维。但是大数据可能会意味着大的危险。大数据的可信度会被不完整的数据和储存、获得、分析和呈现大数据时不清晰的标准和流程所破坏[11]。目前，虽然大数据在多个行业应用价值已充分体现，但也有其自身的局限性和发展的局限性。

3.1 大数据不能说明因果关系，只能说明相关关系 大数据能够发现“是什么”，而不能说明“为什么”；大数据能够发现大趋势和规律，而不能发生颠覆性的创新；大数据能够提供贴切的服务，而不能创造新需求，这是我们开发研究大数据，推进完善工作的关键所在。

3.2 大数据并不代表总体，可能会出现选择性偏倚 大数据虽然数据量大，也只不过是一个时间断面的样本数据，有可能无限逼近总体，但并不代表总体[12]。当数据量过大的时候，会出现干扰信息或者说噪音过大，聚类分析会变得困难。很多数据和想研究的东西并不相关，这时就需要应用统计学的方法去剔除或分析大量无关的数据。所以，在数据挖掘技术中最重要的一步是数据清洗和缺失填补，有时还得计算每一个特征的显著性统计量，根据分位数、均值、方差、协方差、相关系数进行过滤、填补。

3.3 缺乏标准化的护理专业术语 大数据的应用建立在资源共享的基础上，而专业术语标准化是实现资源共享，发挥大数据效益和作用的基础。Sensmeier[13]曾经建议可以使用美国护士协会推荐的全国性的标准护理术语(Systematized Nomenclature of Medicine-Clinical Terms)。当然，在大数据时代下，我们既要与国际接轨，保持与国际机构标准术语间的兼容性；但更重要的是要建立具有中国特色的统一的标准化护理专业术语，以促进我国护理学科的发展。

3.4 缺乏统一的软件开发 目前，国内的护理信息化体系大多是公司自行研发，护士根据临床工作需要，向软件研发人员提出护理信息系统(Nursing Information System,NIS)中的需要，从而进行系统的研发和推进。这种医院信息系统开发模式仅单一适应某一医院的需求，并不适用于学校、研究所、数据库等，也没有统一的标准，更没有形成统一的信息体系，使护理信息软件开发出现水平参差不齐、重复研发等现象，造成了资源的浪费，同时也制约了NIS的推广。同时，医院间的信息系统不统一，使医院之间的信息资源无法共享，不利于信息系统的发展，也制约了大数据的推进。

3.5 护理信息学人才短缺 以美国为代表的国外护理信息学自20世纪90年代得到承认，到21世纪初已形成了一门独立的学科，拥有专业的教学与研究师资队伍，并将护理信息学作为特定的资格认证领域。而我国尚存在较大差距，护理信息学的基础教育还很缺乏，尤其是大多数护理院校并没有信息方向的研究生教育，且多数医院也未有专职的护理信息岗位，这样势必会阻碍护理信息学的发展。因此，从国家政策层面应设置护理信息师职业资格及考试、培养信息专业人才，才能满足护理大数据发展的需求。

4 成立护理大数据中心的意义

通常情况下，掌握大数据本身并无意义,真正的意义体现在对于含有大量信息的数据进行专业化的处理[14]。然而，要实现有效处理大批量、一定时间内的专业化数据，就需要特殊的技术支持，如大规模数据挖掘技术等。大数据挖掘不能依靠业余的团队来做,一定要有专业的核心团队和核心技术。成立护理大数据中心，可以合理有效地使用大数据，这对其本身发展与进步，对产业界、学术界和教育界都起到至关重要的作用。

4.1 用于预测 大数据的核心意义是预测[15]。一是对热点趋势的预测，即对不同数据特征的文献进行定量或定性分析，揭示文献情报规律、学科发展趋势和热点问题。二是对疾病的预测，例如谷歌对美国人每天频繁检索的搜索词条进行数据挖掘，基于其中45个检索词组合的一个数学模型可以准确预测流感，其预测结果与官方数据的相关性达到97%。另外，对于人的基因数据,某些疾病是与遗传有关的,当我们知道遗传基因方面的一些问题,就可以进行预防与护理。

4.2 用于评价 科研论文是科研成果和科研活动的主要表现形式，其数量与质量是评价科研单位水平、科研人员研究水平、科研成果水平的重要指标[16]。因此，这里的评价主要是基于“文献”的评价，目的是为科学家提供服务，具体体现在对护理综合实力的评价、护理教学的评价、期刊学报的评价、护理人才的评价等。①对护理综合实力的评价：护理综合实力泛指护士发现问题、分析问题、解决问题的能力。对医院护理综合实力的评价，其实是对护士掌握知识、应用知识的本领等进行评价，从而体现护理人员及护理部的整体科研水平。②对护理教学的评价：“十三五”期间，教育部将构建网络化、数字化、个性化、终身化的教育体系，利用大数据，可以从设置护理教学目标入手，并以护理教学目标为依据对教学过程和教学效果进行价值判断和科研评价，以促进信息技术与教育融合的创新发展之路。③对期刊学报的评价：期刊学报的水平高低最终要通过评价予以检验。也就是说，评价的标准决定了期刊未来发展的方向和目标。大数据的应用也将为期刊评价提供新的技术手段与方法。研发智能审稿辅助系统，对期刊学报的各项指标进行评价，如对关注度的评价、对创新点的评价、对应用价值等的评价，大大提升了期刊评价标准的精确性与全面性。④对护理人才的评价：护理是一门专业性很强的研究人类健康的科学，护理人才应当是“科学家”型的。而护理又是一门艺术性很强的专业，护理人才也应当是“艺术家”型的。可见，不管是对诺贝尔生理学或医学奖获得者的评价，还是对南丁格尔奖获得者的评价，以及对美国科学院院士的评价都离不开文献计量学的分析。

4.3 用于科研 传统的护理科研采用小样本量进行假设检验，在一定程度上使研究结果的可信度大打折扣。在当前的大数据背景下，资料获取不再困难，护理科研可以摆脱样本量不足、数据类型单一、经费不足等限制，研究者可以花更多的时间设计研究方案或针对数据分析结果进行深入分析和思考，节省时间、人力和财力的同时提高研究效果。目前护理科研以非实验性研究为主，描述性研究、病例对照研究和队列研究是护理研究者最常选择的研究类型，而大数据资源的大规模、多形式和多来源极好地满足了此类研究的数据需求。以病例对照研究为例，大样本量已经成为病例对照研究的发展趋势，护理研究者可以通过数据平台获取大量病例，借助EHR等系统存储的既往资料完成回顾性研究，用于探讨某护理干预的效果或研究某药物对护理结局的作用。另外，开展以大数据为导向的人群队列研究，是护理科研的良好机遇[17]。超大规模队列研究具有大样本、前瞻性、多学科、多病种、多因素、整合性、共享性等特点。大数据的“4V”特性很好地满足了其需求，护理研究者可以借助数据库筛选出所需的目标人群，在医疗信息平台中完成病人信息追踪和随访来进行前瞻性研究。研究者通过护理大数据平台颗粒化查阅文献，获取匹配度较高的资料开展深度研究，是护理科研的良好契机。将大数据资源转化为研究成果进而加以推广使用，是大数据在护理科研中最基础的应用。

4.4 用于护理教育 大数据对教育者和学习者都是重要的，因为它可能彻底改变护士的教育政策、研究和实践。大数据指的是数据集很大、很复杂，用传统的软件工具管理是不切实际的，用十几年前的技术是做不到的。如果大数据是名词，分析学是动词，我们如何提取、证实、转化和利用大数据就成为一个新的趋势。分析学可以为护理教育提供很多方法，包括改进操作和经济的决策制定，帮助达到特定的学习目标和通过揭露大数据集之间的关系和模式来预测行为和事件。护理教育中的数据类型包括关于教学、学习和评估的数据。学生通过电子学习档案、电子病历和社会媒体产生数据。此外，行政人员和学校职工通过学业的进度报告、上课出勤表、奖学金和研究来产生数据。相关人员通过收集、分析和使用数据来制定决策，包括学生、老师、管理人员、医生和学者。这些人员从不同的系统，从第一年的课程清单到最后一年的临床技能记录，收集关于教育和评估的数据[11]。

4.5 用于临床 大数据可以反映医疗和护理领域数据相关问题的规模和影响。大数据应用于临床主要体现在通过收集临床数据而对病人进行健康指导。大数据可以使护理工作中每一个上传到网络的数据都被自动记录。护士一生中护理的病人是有限的，但大数据的数据库里面有各种各样病人的相关记载，病人一来马上就可以将他的信息与数据库里的信息进行比对。护士可以基于既得数据对病人现有疾病进行实时的健康干预，提供饮食、运动等方面的健康指导，这样既可以提高自身的工作效率，又可以实现健康保健的真正个体化，促进病人康复[18]。另外，大数据可以通过收集体征数据而对特定人群进行健康监测。许多传统的信息采集方式将被颠覆，各种信息量随时监测与采集，将病人的护理向患病前及出院后，甚至向病人周围的亲属朋友延伸，使围绕个体的全程健康护理及资源共享成为可能[19]。护士通过个人数码助理(PDA)、传感器、可穿戴医疗设备等对病人进行实时、连续的健康监测与评估，及早发现特定病人的健康问题或风险并有针对性地采取预防措施，使护理服务衍生至后期的生态服务圈。比如：欧洲很早就开始给老人们佩戴可以监测生命体征的手表，如果发生异常手表会自动报警，能在黄金时间挽救老人的生命。

4.6 用于决策 大数据可以用于医药、运营流程、病例数据，也可以用于决策系统。一方面基于大数据下的数据应用，护理决策支持系统可以增加临床工作者对病人护理的理性决策，可以帮助护士和医务人员出正确判断，在正确的时间获得正确的信息以支持临床最佳决策，为病人提供及时准确的护理，可以显著影响护士循证实践，提高病人临床护理质量，改善病人结局，减少医疗成本，确保病人安全。另一方面可以为护理管理者提供决策。利用大数据收集、分析和萃取海量数据的能力，对全部数据进行经验性相关分析，使管理颠覆传统的自上而下的精英决策模式，护理管理者或执行者不再依据业务经验、头脑风暴提供的决策，而是对全部数据进行分析并得出决策性结果，从有章可循逐步转变为有数据可循。

4.7 用于市场 据不完全统计，截至2016 年10 月底，2016 年中国大数据行业有184 家企业获得投融资。大数据行业成资本市场新宠，数据源已成大数据公司核心竞争力。2016年11月17日，国家卫生计生委主办的第三届世界互联网大会“互联网+智慧医疗”论坛上探讨了大数据、云计算、物联网和信息通信技术等在健康医疗领域的创新应用，推进产学研用联合协同创新。基于海量数据的共享与应用，大数据中心可用于医药研发等产学研成果转化。2016年11月23日，医药工商战略合作高峰论坛指出，随着“健康2030”的提出，我们要“聚势、融合、共赢”，运用大数据、互联网思维深度挖掘大健康市场，将大健康理念落地，精准地挖掘用户需求，并满足其需求。可见，大数据中心可用于分析用户的行为特征，满足用户的特定需求。

按照“大数据、小传感、海储存、云应用”的产业方向，大数据中心除直接为用户提供其所需求的数据；还可以为不同的企业或企业不同的需求，对数据进行分析，提供针对性的信息。另外，还可以提供学习平台、培训服务、咨询服务等。

5 结语

总之，当数据的积累量足够大的时候，信息系统将从简单的数据交流和信息传递上升到基于海量数据的整合分析。大数据使信息系统从以往的“人的使用工具”变得“开始会自己思考了”。大数据通过对海量数据进行整合分析，得出“非因果关系”的相关性，合理分析和利用这些大数据，将改变我们的护理实践、研究和教育，并因此推动护理学科向前发展。成立护理大数据中心，将成为连接政府、企业、高校、研究院所、资本和创业型企业的纽带和中枢，建设在学科、学术、技术、产业、机制5方面均在国内具有引领地位的护理大型创新平台，最终形成大数据行业的“护理研究实验室”。而庞大的“护理数据库”是用之不竭的资产，也是竞争对手难以逾越的门槛。

[1] Schonberger MV,Cukier K.大数据时代[M].盛杨燕,周涛,译．杭州:浙江人民出版社，2013：9.

[2] McKinsey Global Institute.Big data：the next frontier for innovation,competition，and productivity[R]．S．l：McKinsey Global Institute,2011:1.

[3] Westra BL，Peterson JJ.Big data and perioperative nursing[J].AORN Journal，2016,104(4)：286-292.

[4] Jane Englebright,Barbara Caspers.The role of the chief nurse executive in the big data revolution[J].Nurse Leader，2016(3):280-284.

[5] Simpson RL.Big data and nursing knowledge[J]．Nursing Administration Quarterly，2015，39(1): 87-89．

[6] Strobel CD.American recovery and reinvestment act of 2009[J].Journal of Corporate Accounting & Finance，2009，20(5): 83-85．

[7] 潘媛媛.大数据时代的护理会诊信息系统构建[J].医学信息，2014，27(8):10.

[8] NIH.NINR big data in symptoms research methodologies boot camp[EB/OL].[2017-02-18]。http://www.ninr.nih.gov/training/training opportunities intramural/bootcamp．VhkmHbmEA9M．

[9] Jee K，Kim GH.Potentiality of big data in the medical sector：focus on how to reshape the healthcare system[J].Healthc Inform Res，2013，19(2)：79-85.

[10] 周光华，辛英，张雅洁.医疗卫生领域大数据应用探讨[J].中国卫生信息管理杂志，2013，10(4):296-300;304.

[11] Schwerdtle B.Big data in nurse education[J].Nurse Education Today,2016，51：114-116.

[12] Kobayashi T，Kishimoto M，Swearingen CJ，etal．Differences in clinical manifestations， treatment， and concordance rates with two major sets of criteria for Behet’s syndrome for patients in the US and Japan：data from a large，three-center cohort study[J].Mod Rheumatol，2013，23(3):547-553．

[13] Sensmeier J.Big data and the future of nursing knowledge[J].Nurs Manage,2015,46(6):22-27.

[14] 陈镇.大数据在医疗护理中的应用[J].信息与电脑，2016 (11)：31-32.

[15] Armstrong K．Big data：a revolution that will transform how we live， work， and think[J].Information，2014，17(1)：181-183．

[16] 张艳,张振香,陈勤,等.1994～2011 年国内护理学研究主题分布状况分析[J] .护士进修杂志,2013,28(5): 389-392.

[17] 刘辉，杜建，高妍，等．护理信息学专业发展与研究方向分析[J].中国护理管理，2014，14(4):29

[18] Groves P，Kayyali B，Knott D，etal．The ‘big data’revolution in healthcare[EB/OL].[2013-01-15]．http://www.payerfusion． com/wp-content/uploads/2014/02 /The＿big＿data＿revolution＿in＿healthcare-1.pdf.

[19] Brennan PF，Bakken S．Nursing needs big data and big data needs nursing[J]．J Nurs Scholarsh，2015，47(5):477-484．

(本文编辑李亚琴)

Research progress on big data in nursing science

Zhu Ruifang,Yue Xiaoding,Han Shifan

(Shanxi Medical University,Shanxi 030001 China)

It analyzed the basic conception of big data and the research status guo in China and outside China,and probed into building nursing domain knowledge system on the importance of the development of nursing science under the background of big data.We believed that it’s necessary to set up nursing big data center,unify language standard,establish nursing database and build a knowledge system structure.

nursing;nursing science;big data;knowledge system;research progress

朱瑞芳，博士研究生在读，学习单位：030001，山西医科大学(工作单位:030001，山西医科大学第一医院)；岳小丁单位：030001，山西医科大学；韩世范(通讯作者)单位：030001，山西医科大学第一医院。

R47

A

10.3969/j.issn.1009-6493.2017.13.005

1009-6493(2017)13-1553-05

2017-04-10)

引用信息 朱瑞芳,岳小丁,韩世范.大数据在护理学科中的研究进展[J].护理研究，2017，31(13)：1553-1557.